- •Оглавление
- •Теоретическая часть
- •1 Фрактальный анализ временных рядов
- •1.1.1 Концепция фрактального рынка
- •1.1.2 Эффективность цены
- •1.1.3 Хаусдорфова размерность
- •1.1.4 Корреляционная размерность
- •1.4 Зависимость стабильности временных рядов и их фрактальной структуры
- •1.5 Локальный фрактальный анализ и прогнозирование
- •1.6 Показатель Ляпунова
- •2 Реконструкции динамических систем по временным рядам
- •2.1 Теорема Такенса
- •2.2 Реконструкция динамической системы методом задержки
- •2.3 Реконструкция динамической системы с помощью отображений.
- •2.4 Реконструкция дифференциальных уравнений системы методом Магницкого.
- •Практическая часть Временные ряды и системы над которыми проводились исследования
- •Фрактальная размерность
- •Корреляционная размерность
- •Показатель Херста
- •Локальный фрактальный анализ
- •Зависимость стабильности временных рядов и их фрактальной структуры
- •Прогнозирование
- •Показатели Ляпунова
- •Реконструкция динамических систем методом задержки Система Магницкого
- •Реконструкция динамических систем методом отображения
- •Реконструкция сду методом Магницкого
Показатель Херста
Показатель Херста находиться поиском угла наклона логарифмической зависимости методом (МНК)
. Существует три различных классификации для показателя Херста:
H= 0.5 указывает на случайный ряд. События случайны и некоррелированные. Правая часть уравнения зависимости обращается в ноль. Настоящее не влияет на будущее.
В случае .
Если система демонстрирует рост в предыдущий период, то скорее всего в следующем периоде начнется спад, и на оборот. Устойчивость такого антиперсистентного поведения зависит от того, на сколько H близко к нулю. Чем ближе его значение к нулю, тем ближе C к -0.5, или отрицательной корреляции. Такой ряд более изменчив или волатилен, чем ряд случайный, так как состоит из частых реверсов спад-подъем. До сих пор было найдено мало антиперсистентных рядов.
При – трендоустойчивые ряды. Если ряд возрастает (или убывает) в предыдущий период, то вероятно, что он будет сохранять эту тенденцию какое-то время в будущем. Трендоустойчивость поведения, или сила персистентности, увеличивается при приближении H к единице.
Найдем показатель Херста для одномерных временных рядов
H=0.80
H=0.83
H=0.79
H=0.75
H=0.76
H=0.69
H=0.73
H=0.79
График показателя Херста (8-ая ценная бумага)
Тест на перемешивание. Случайным путем перемешаем данные, в результате чего порядок наблюдений станет полностью отличным от исходного ряда. В виду того что наблюдения остаются теми же, их частотное распределение также останется неизменным. Найдем показателя Херста этих перемешанных данных. Если показатель не измениться то исходный временной ряд независим и отсутствует эффект памяти.
Если имеет место эффект долговременной памяти, то порядок данных важен. Перемешивая данные, мы разрушаем структуру системы. Оценка H при этом окажется значительно ниже и будет приближаться к 0.5
Найдем показатель Херста для 8-ой ценной бумаги с перемешанными данными (рис. )
Сравнение перемешанных и не перемешанных данных, для начального временного ряда показатель Херста H=0.79, для перемешанных H=0.57
Следовательно во временном ряде присутствует эффект долговременной памяти
Проведем тест на перемешивание для случайных нормальных чисел
Между ними фактически нет разницы
Смоделируем временной ряды значениями которого значения которого равны C(n)=n, n=1..1300, этот ряд постоянно возрастает каждый шаг на единицу. Проведем для такого ряда R/S – анализ и найдем показатель Херста
H=0.999987
Смоделируем ряд состоящих из чисел с нормальным распределением.
m=30, σ=3.
H=0.5546
Смоделируем ряд где, , n=1..1300
H=0.018
Локальный фрактальный анализ
Индекс Mu характеризует поведение временного ряда. Если Mu больше 0.5 цены ведут себя относительно стабильно. Одновременно с развитием тренда на графике цен, m (t) резко падает ниже значения m =0.5 и если цены
находятся в промежуточном состоянии между трендом и флэтом, Mu
возвращается к значению 0.5. Таким образом, исходный ряд
оказывается тем стабильнее, чем больше значение m . При этом, если
Mu >0.5, то наблюдается флэт, если Mu <0.5, наблюдается тренд,
если Mu ~0,5, то процесс находится в промежуточном состоянии.
Таблица , График Mu, состояние временного ряда
График Mu |
Состояние временного ряда |
|
Mu<0.5 [77.03%] Mu=0.5 [05.28%] Mu>0.5 [17.75%] |
|
Mu<0.5 [79.47%] Mu=0.5 [06.07%] Mu>0.5 [14.52%} |
|
Mu<0.5 [92.89%] Mu=0.5 [02.28%] Mu>0.5 [04.89%] |
|
Mu<0.5 [78.37%] Mu=0.5 [05.52%] Mu>0.5 [17.17%] |
|
Mu<0.5 [73.95%] Mu=0.5 [07.11%] Mu>0.5 [19.02%] |
|
Mu<0.5 [74.42%] Mu=0.5 [06.23%] Mu>0.5 [19.41%] |
|
Mu<0.5 [76.08%] Mu=0.5 [05.13%] Mu>0.5 [18.86%] |
|
Mu<0.5 [80.66%] Mu=0.5 [05.36%] Mu>0.5 [14.04%] |